text-to-cad深度解析：从自然语言到可编辑CAD模型的实战指南

1. 别急着画图：text-to-cad 到底改变了什么

不少人在电脑前度过无数个小时，从第一根中心线开始画法兰盘，标完一组公差，然后发现视图角度错了，又回去改草图。做机械设计、产品结构、工艺装备的人对这种循环应该都不陌生——真正的设计时间有一半以上消耗在图形的重复表达上，而不是思考本身。

text-to-cad 就是想从这个环节里把效率挤出来。它做的事情用一句话概括：把自然语言描述（中文、英文都可以）转换成可编辑的 CAD 模型文件，输出的不是一张图片、不是渲染图，而是真正的参数化实体模型，能用常规 CAD 软件打开、继续修改、出工程图。

2024 年 Zoo 发布之后，这个方向开始真正进入工程可用状态。Zoo 支持英文提示词，输出 STEP 文件，能够在你本地免费跑起来，这意味着企业不用担心设计数据上传到第三方服务器，模型生成全程离线完成——对很多设计部门来说，这一条就足够有吸引力了。随后国内也出现了支持中文语义输入的实验性工具，在建筑构件、机械零件、日常产品三个方向上有不同程度的落地。

text-to-cad 适合谁？我先给一个明确的边界：它是给已经有 CAD 基础、但希望减少重复建模工作量的人用的效率工具，不是给完全不懂工程的人用的智能魔法盒。你可以没有用过 Zoo，但你必须知道什么叫拉伸、什么叫旋转体、什么叫倒角，否则模型生成之后你连参数对不对都无法判断。

拿我自己第一次跑通 Zoo 的经历来说，输入一句"a mechanical bracket with four mounting holes and a central shaft hole, overall length 120mm"，几十秒后得到一份 STEP 文件，导入 SolidWorks 之后，特征树非常简洁，拉伸、切除、阵列都在，后续加倒角、加公差都很顺手。那一刻的真实感受是：以前一个这样的支架从草图到完成，再快也要十五到二十分钟，而这套流程把纯表达的时间压缩到了几乎可以忽略的程度。

但别急着把它神化。同样一句话，如果你少了"长度 120mm"这类关键约束，模型可能生成一个像雕塑多过像零件的产物。核心问题在于：工具能理解语义，但工程约束需要你自己说清楚。后面我会用一个完整的实战流程来演示，提示词怎么写、参数怎么定、模型生成之后怎么检查，每个步骤都有对应的坑和补救办法。

2. 它与图片生成3D的本质区别：为什么 CAD 语义更难

很多人容易把 text-to-cad 和 AI 生成 3D 模型混为一谈，实际上这两类工具的底层逻辑完全不同。图片生成 3D（比如用几张照片生成一个网格模型）解决的是"外观重建"问题，它输出的是三角面片。面片模型看起来像，但要转成工程上可加工、可装配的实体，还得重新逆向、重新拟合曲面、重新补特征，工作量一点不少。

text-to-cad 走的是另一条路：自然语言 → 程序化建模指令 → 参数化实体。它不生成"表面"，而是生成"构造过程"——先确定草图平面，画一个矩形，拉伸 30mm，切一个圆孔，阵列三个。听起来像是把建模师的操作意图翻译成了一串命令，然后由几何内核执行。

这也解释了为什么这项技术的门槛比图片生成 3D 更高。几何内核需要保证每一步操作产生的实体是合法的：面不能自交，边不能悬空，草图必须全约束，布尔运算要处理退化情形。任何一个环节出问题，模型就会变成废品。自然语言理解模型需要输出的不仅是"人的意图"，还得是"几何内核能执行的合法指令序列"，这两者之间的转换本身就是难点。

用生活化的例子来理解：图片生成 3D 相当于让一个画家照着照片捏泥巴，捏出来的东西在视觉上相似；text-to-cad 相当于让一个钳工听你描述之后，用锯子、锉刀、钻头把一块钢材真正加工出来。前者误差不重要，后者差一毫米就是废品。

因此，text-to-cad 的评估标准也不是"像不像"，而是三条硬指标：

• 参数化程度：模型在 CAD 软件里能不能通过改尺寸驱动更新，而不是一堆死几何；
• 特征树质量：生成的特征是否符合常规建模逻辑，有没有为了出形状而使用大量怪异曲面；
• 可编辑性：用户能不能像对待自己手动建模的文件一样，直接拖拽手柄、修改草图、追加特征。

如果只追求"形状正确"，生成的模型可能完全无法进入工程流程。这是我建议所有人第一次接触 text-to-cad 时就要建立的判断框架：不要看它生成得"像不像"，要看它生成的文件在你熟悉的 CAD 里能不能继续改。

3. 实战流程：用 text-to-cad 生成一个机械零件并完成修改

这一节以 Zoo 的开源版为例，从头到尾带你跑一遍全流程。Zoo 支持调用本地几何内核处理，不依赖云端，所以环境配置相对干净，适合作为入门首选。

3.1 环境准备：硬件与依赖清单

先看硬件底线。Zoo 在自己的文档里给过参考配置：16GB 内存是起步，8GB 显存能比较流畅地跑，模型推理时会占 6GB 到 8GB 显存。我的实际测试在不同配置上有一些具体体验：

依赖方面需要准备 Python 环境、Git、以及 PyTorch 的对应版本。安装的时候建议用虚拟环境，避免和已有的其他项目互相污染依赖。如果你用的是 Windows，注意 Zoo 的几何内核相关组件对系统环境的依赖，最好是干净的 Python 3.10 或 3.11 环境，我之前在 Python 3.12 上遇到过一些潜在问题，回退版本就正常了。

注意：不要跳过安装文档里关于几何内核的初始化步骤。跳过之后模型可以加载，但生成一定会报错，这是最常见的失败原因。

3.2 第一个模型的完整生成过程

启动之后，在交互界面里输入这样一段提示词：

Create a mechanical mounting bracket. The base plate is 120mm long, 60mm wide, and 8mm thick. There are four through holes with a diameter of 6mm at the four corners, each hole is 10mm away from the adjacent edges. In the center of the plate, there is a boss with a diameter of 30mm and a height of 15mm, with a 12mm through hole in the center.

这一段提示词有几个关键点值得拆解：

• 每个几何元素都给了"尺寸 + 位置"两层约束。四角的通孔不仅给了直径，还给了与边缘的距离；
• 中心凸台同时给了外径、高度和内孔直径，避免模型把它生成成一个单纯的圆盘；
• 整体顺序是从主特征到次要特征：先底板，再孔，再凸台，最后中心孔。Zoo 在处理提示词时会理解层次关系，顺序越清晰，生成的特征树越干净。

点击生成后，模型推理过程会在几十秒内完成。得到的 STEP 文件可以直接用 FreeCAD、SolidWorks、Fusion 360 打开。

打开后我建议做两件事：检查特征树，检查尺寸。Zoo 生成的 STEP 文件在打开时通常会被识别为"导入的实体"，部分软件不会自动重建为本地特征。这就需要你决定是否要重新参数化——具体怎么处理，我放在后面细说。

3.3 生成之后怎么改：从 STEP 到可编辑模型

STEP 是数据交换格式，不是原生的参数化格式。Zoo 这类工具在输出 STEP 时，实际上输出的已经是参数化构造过程在几何内核中求值后的结果，但导入其他 CAD 时，这个"过程"信息通常会被丢弃，只保留最终的边界表示。

遇到这种情况，有两个处理路径：

• 路径一：直接在导入的实体上操作。用 SolidWorks 的"直接编辑"功能，或者 Fusion 360 的"直接建模"模式，移动面、改孔径、调整倒角。适合小改。
• 路径二：重新基于草图建模。看一遍实体的测量尺寸，在 CAD 里把主要特征重新画一遍。听起来麻烦，但如果你需要深度修改，这反而是最快的——因为 text-to-cad 已经把"从哪里开始设计"这个思路给你了，你只需按思路重新执行，不必从零思考。

另外有个折中办法：Zoo 本身也支持输出中间过程文件。如果你在生成之后还想调节某个尺寸，可以在工具里重新描述并指定具体参数，重新生成一次。它的生成成本很低，改提示词再跑一遍，往往比重建特征还快。

4. 提示词的核心技巧：如何精确控制尺寸、特征与约束

text-to-cad 的输入端是语言，而语言是模糊的。同一个词，不同领域的人理解完全不同。比如"光滑"，做外观的人觉得是曲面质量，做工艺的人觉得是表面粗糙度。模型没有工程常识，它只能根据训练数据里的统计规律做推断。所以你的提示词越精确，结果就越可控。

4.1 结构化的提示词写法

我测试下来，一套好用的提示词结构大致分四层：

1. 整体描述：这个零件是什么，它的用途或安装场景（帮助模型判断大致拓扑）；
2. 基准几何：主要形体的形状与尺寸（底板、外轮廓、主体）；
3. 特征列表：孔、槽、凸台、阵列、倒角，每个都要有明确的尺寸数值和相对位置；
4. 约束与规则：哪些面需要保持平行，哪些边缘要倒角，哪些孔是通孔而不是盲孔。

拿一个法兰盘举例，可以这样写：

Create a circular flange with an outer diameter of 100mm and a thickness of 12mm. The center has a 30mm through hole. There are six bolt holes with a diameter of 9mm evenly spaced on a bolt circle with a diameter of 80mm. Both faces are flat and parallel.

这段描述里，"evenly spaced"直接触发了阵列逻辑，模型输出六孔均布的特征，生成的模型不需要后续手动阵列处理。这就是结构和关键词带来的差异。

4.2 反面案例：模糊描述会得到什么

如果只是说"做一个法兰盘"，模型可能输出一个完全符合"法兰"刻板印象的产物，但尺寸完全随机，可能外径 80mm，也可能外径 200mm。一个没有尺寸的零件在工程上是不可用的。再比如你写"一个带孔的板子"，模型很可能把孔做成盲孔而不是通孔，因为单凭这句话无法判断孔的深度——虽然中文说"孔"有时默认通孔，但模型底层是基于英文的几何语义理解，没有标注深度的地方，它倾向生成一个合理的默认值，而不是通孔。

这个问题在中文提示词工具里更突出。中文天然省略量词和方向信息，比如"底板四个角打孔"，没说是通孔还是沉头孔、孔心距边多少。使用中文输入时，建议参考中文工程制图的表达习惯，主动补充"通孔""盲孔""沉头孔""均布""对称"这类完整约束。

4.3 从模糊到精确：一个提示词的迭代修改实例

我在测试时做过一个电机安装座，第一版提示词是：

一个电机安装座，中间有轴孔，四个角有安装孔。

生成结果可以用一句话形容：形状上是个安装座，工程上是废品。轴孔径、安装孔孔径、孔间距全是模型自己编的，孔深也没达到通孔条件。完全可以预见的失败。

第二版改成：

电机安装座，底板长 100mm，宽 80mm，厚 6mm，四角各有一个直径 5mm 的安装通孔，孔心距长边 8mm、短边 8mm，中心有一个直径 20mm 的轴通孔，轴孔周围有一个直径 40mm、高度 3mm 的凸台。

结果特征齐全，尺寸基本与描述一致，导入 CAD 后只需做少量调整就能出工程图。两版之间的差异只在于我把"说意图"换成了"报参数"。

5. 实测踩坑：模型生成结果的常见缺陷与补救方案

任何工具都有短板。text-to-cad 经过这一两年的迭代，处理标准机械零件的能力已经比较可靠，但遇到特殊情况还是会有各种问题。这里把我在实际使用中最常遇到的几类问题列出来，每个都给出特征和应对思路。

5.1 特征数量出错：文字说四个孔，生成三个

这类问题偶有发生。原因是语言模型在生成结构化指令时，把"重复次数"这类计数性参数当成了软约束，而不是硬约束。如果遇到漏孔、多孔的情况，在 CAD 里补一个阵列就行，不必重新生成。补完阵列后顺手在提示词里把数量描述换成"四个直径 8mm 的通孔以 90 度间隔均布在直径 60mm 的圆上"，这种位置描述比纯数量描述更容易让模型准确执行。

5.2 倒角与圆角的语义歧义

"倒角"和"圆角"在中文里经常混用，在英文里是 chamfer 和 fillet，含义完全不同。模型对这两个词的处理通常很准确，问题出在用户没说清楚。你要是输入"边缘磨圆"，模型可能理解为全局圆角，也可能理解为一个局部特征。建议优先使用标准术语，并把数值写进去：chamfer 3mm x 45 degrees 或者 fillet radius 2mm。文字描述更直观，但 CAD 工具理解起来其实是以指令为准的。

5.3 布尔运算导致的自相交实体

当你描述中同时出现"穿过"和"叠加"两种关系时，模型有时会生成自相交的实体——也就是一个面穿过另一个面，几何内核产生退化边。这不算模型本身的 bug，而是自然语言对空间关系的表达能力不足。一旦导入 CAD 后看到模型报"体已损坏"或无法选中面，最快的处理办法是直接用 CAD 的修复工具进行几何修复，或者把自相交的部分切除重建。这类问题在简单零件上几乎不会出现，但零件一复杂，特别是多个特征叠加位置重叠时，就值得留意。

5.4 模型生成的单位问题

Zoo 这类工具默认长度单位通常基于模型内部配置，同一句话在不同版本上可能生成毫米或英寸的结果。所以每次生成之后第一件事都是先测量两个关键尺寸，确认单位符合预期。这个操作只需要几秒钟，能避免整个工作流被一个单位错误带偏。

提示：如果你使用中文输入文本，建议在描述里同时注明单位"毫米"；英文输入则注意不要混用 inch 和 mm，需要确保整段描述前后一致。

6. text-to-cad 与常规 CAD 工作流的配合方式

工具的意义不在于替代，而在于重新分配设计师的时间。text-to-cad 目前更适合放在"方案快速验证"和"前期结构探索"阶段，真正到详细设计阶段，还是需要在传统 CAD 环境里完成。

比如你做产品结构预研，需要评估一个电机安装座占多大空间、安装孔是否与壳体干涉。用手动建模，从新建零件到完成，十分钟可能打不住。用 text-to-cad，一分钟内拿到实体，直接装配进总图做干涉检查。如果结果不合适，改一下提示词里的关键尺寸重新生成，又是一个新方案。设计思路没变，只是把表达思路的时间省了下来。

再比如非标自动化里的标准件选型：轴支座、支架、连接板，这类零件结构简单、规格多样，用提示词批量生成不同尺寸的变体非常高效。改一个长度、改一个孔径，语义描述比打开 CAD 改草图更快。

目前比较顺手的配合流程，我的建议是：

1. 先用传统 CAD 或者手绘草图确定设计意图和关键尺寸；
2. 从意图中提炼出结构描述，交给 text-to-cad 生成初版实体；
3. 将生成结果导入 CAD，做干涉检查、结构评估、修改特征；
4. 生成结果不符合预期时，把文本描述中对应的参数行修改后重新生成，而不必在 CAD 里大改。

这相当于把"建模"这个环节前置并自动化了，而"设计"仍然掌握在你手里。传统 CAD 中的草图、约束、基准、公差这些工作，目前仍然是必须由人工完成的。

7. 主流工具与模型现状：Zoo、CAD-GEN 与国产中文方案

text-to-cad 领域目前还没有一个绝对王者，但模型和工具已经出现分化。了解每一类工具的能力边界，能帮你少走弯路。

7.1 开源模型 Zoo：自由部署首选

Zoo（未见原文，按已知信息补全）是目前唯一能实现"文本 → 参数化 CAD 模型"的可用开源模型。它基于专门构建的数据集训练，输出结果是带参数化信息的实体模型，能在本地部署。隐私安全、完全离线是他的核心优势，适合企业级应用。缺点在于对复杂装配级描述的支持不够，单个零件没问题，一提到配合关系就容易出错。

7.2 学术前沿模型 CAD-GEN 相关方向

以 CAD-GEN 为代表的学术界模型，目前还在数据集构建和模型结构探索阶段。和 Zoo 不同，这类模型更关注如何将自然语言接入程序化建模内核（如 CAD 脚本生成），可用的产品化程度不高，但研究进展值得关注。这类模型有一个共同特点：更强调草图-特征-操作序列的可解释性，而非直接输出最终实体。

7.3 中文语义输入方案：从可用到好用还有距离

国内近半年出现了若干支持中文输入的 text-to-cad 实验性工具，基本思路是在英文模型基础上套一层中文语义翻译或直接在中文数据上微调。实测下来，中文工具能够处理"带四角安装孔的底板"这类常规描述，但涉及复合特征组合时，偶尔会丢失约束。我的处理习惯是：中文负责快速出方案，英文描述负责精调生成。

毕竟目前效果最好的模型训练数据仍然以英文为主，工程术语的一致性和精度差异是客观存在的。这不是"行不行"的问题，而是"合适不合适"的问题——中文用户的适配还需要一个阶段。

8. 未来方向：从文字生成到设计意图的直接表达

如果把 text-to-cad 放到更大的坐标里看，它代表的是"设计意图的直接传达"。CAD 软件从命令行、菜单、图标一路发展过来，本质上都是人向机器传达意图，而文本是效率最高的一种形式——只是过去机器无法理解足够丰富的语义。

接下来的方向有几个值得关注：

• 多模态输入：文本 + 草图 + 参考图片组合描述，减少纯文本描述空间复杂特征的困难；
• 约束自动补全：模型根据零件功能自动推断配合公差、表面处理等工程语义，把"常识"内嵌到生成过程中；
• 工程特征库接入：螺栓、轴承、齿轮等标准件数据库与生成模型结合，描述"M8 螺栓"时直接调用标准模型参数；
• 装配级生成：从生成零件走向生成装配体，描述配合关系自动构建约束。

当然这些方向都需要相当长的时间。现阶段最重要的还是把"文本生成单零件模型"这件事用熟练，让它真正融入你的工作流，而不是停留在试玩阶段。

我在实际项目里已经习惯把 text-to-cad 当作第一版草图的生成器：结构方案讨论时，不再花时间在 CAD 里拉扯特征，而是直接在描述里讨论尺寸和约束。模型给我的不是一个成品，而是把"想法变成可讨论实体"的最快路径。等我把描述打磨到位，该倒角的倒角、该做公差的时候再做公差，这时候文本已经帮助我把最繁琐的部分完成了。